Econometría

De Wikipedia, la enciclopedia libre

La economía nació como ciencia social, tratando de explicar la distribución de recursos escasos entre distintos fines posibles.

Por una parte, los economistas han tratado de concebir modelos que explicaran el comportamiento de sus semejantes en cuanto a la actividad económica. Por otra parte, ha habido un afán de tratar de corroborar esos modelos a través de su cuantificación matemática.

En todo ello, los económetras (economistas cuantitativos) han tratado de emular a las ciencias matemáticas y a las de la naturaleza (física, química) con mejor o peor resultado a través del tiempo. Hay que considerar que tratan con uno de los fenómenos más complejos que conocemos, el comportamiento de los humanos.

En la elaboración de la econometría se unen las matemáticas, y la estadística junto con la investigación social y la teoría económica. De hecho este campo ha producido grandes ideas matemáticas y estadística como la teoría de juegos.

El mayor problema con el que se enfrentan los económetras en su investigación es la escasez de datos y los grandes sesgos que habitualmente encuentran en los mismos. Aún así, su trabajo contribuye a conocer al menos en parte algunos aspectos del comportamiento económico de la humanidad.

Tabla de contenidos

1 Definiciones de Econometría
2 Descripción somera de la Econometría
3 Concepto de modelo econométrico
4 El método de mínimos cuadrados (Estimación MCO)
5 Problemas del Método de los Mínimos Cuadrados
6 Lecturas recomendadas
7 Véase también

[editar] Definiciones de Econometría

Entre las definiciones de econometría que los economistas relevantes han formulado a lo largo de la historia, podemos destacar las siguientes:

Ragnar Frisch (1930): 'La experiencia ha mostrado que cada uno de estos tres puntos de vista, el de la estadística, la teoría económica y las matemáticas, es necesario, pero por sí mismo no suficiente para una comprensión real de las relaciones cuantitativas de la vida económica moderna. Es la unión de los tres aspectos lo que constituye una herramienta de análisis potente. Es la unión lo que constituye la econometría"

Samuelson, Koopmans y Stone (1954): '... el análisis cuantitativo de fenómenos económicos actuales, basado en el desarrollo congruente de teoría y observaciones, y relacionado por métodos apropiados de inferencia.'

Valavanis (1959): 'El objetivo de la econometría es expresar las teorías económicas bajo una forma matemática a fin de verificarlas por métodos estadísticos y medir el impacto de una variable sobre otra, así como predecir acontecimientos futuros y dar consejos de política económica ante resultados deseables.'

A.G. Barbancho (1962): 'La econometría es la rama más operativa de la Ciencia económica, y trata de representar numéricamente las relaciones económicas mediante una adecuada combinación de la Teoría económica matemática y la Estadística. De forma que las matemáticas, como lenguaje y forma de expresión simbólica e instrumento eficaz en el proceso deductivo, representan el medio unificador; y teoría económica, economía matemática o estadística económica serían consideraciones parciales de su contenido.'

Klein (1962): 'El principal objetivo de la econometría es dar contenido empírico al razonamiento a priori de la economía.'

Malinvaud (1966): '... aplicación de las matemáticas y método estadístico al estudio de fenómenos económicos.'

Christ (1966): 'Producción de declaraciones de economía cuantitativa que explican el comportamiento de variables ya observadas, o predicen la conducta de variables aún no observadas.'

Intriligator (1978): 'Rama de la economía que se ocupa de la estimación empírica de relaciones económicas.'

Chow (1983): 'Arte y ciencia de usar métodos para la medida de relaciones económicas.'

[editar] Descripción somera de la Econometría

La econometría se ocupa de obtener, apartir del análisis estadístico y matemático (mas no de la teoría económica, como si se usa en las ciencias naturales, ejem. la física) de los valores reales de variables económicas, los valores que tendrían los parámetros de los modelos en los que esas variables económicas aparecieran, así como de comprobar el grado de validez de esos modelos, y ver en qué medida estos modelos pueden usarse para explicar la economía de un agente económico (como una empresa o un consumidor), o la de un agregado de agentes económicos, como podría ser un sector del mercado, o una zona de un país, o todo un país, o cualquier otra zona económica; su evolución en el tiempo (por ejemplo, decir si ha habido o no cambio estructural), poder predecir futuros valores de la variables, y sugerir medidas de política económica conforme a objetivos deseados (por ejemplo, para poder aplicar técnicas de optimización matemática para racionalizar el uso de recursos dentro de una empresa, o bien para decidir qué valores debería adoptar la política fiscal de un gobierno para conseguir ciertos niveles de recaudación impositiva)

Usualmente se usan técnicas estadísticas diversas para estudiar la economía, pero uno de los métodos más usados es el que se mostrará aquí.

[editar] Concepto de modelo econométrico

La econometría, igual que la economía, tiene como objetivo explicar una variable en función de otras. Esto implica que el punto de partida para el análisis econométrico es el modelo económico y este se transformará en modelo econométrico cuando se han añadido las especificaciones necesarias para su aplicación empírica. Es decir, cuando se han definido las variables (endógenas, exógenas) que explican y determinan el modelo, los parámetros estructurales que acompañan a las variables, las ecuaciones y su formulación en forma matemática, la perturbación aleatoria que explica la parte no sistemática del modelo, y los datos estadísticos.

A partir del modelo econométrico especificado, en una segunda etapa se procede a la estimación, fase estadística que asigna valores numéricos a los parámetros de las ecuaciones del modelo. Para ello se utilizan métodos estadísticos como pueden ser: Mínimos cuadrados ordinarios, Máxima verosimilitud, Mínimos cuadrados bietápicos, etc. Al recibir los parámetros el valor numérico definen el concepto de estructura que ha de tener valor estable en el tiempo especificado.

La tercera etapa en la elaboración del modelo es la verificación y contrastación, donde se someten los parámetros y la variable aleatoria a unos contrastes estadísticos para cuantificar en términos probabilísticos la validez del modelo estimado.

La cuarta etapa consiste en la aplicación del modelo conforme al objetivo del mismo. En general los modelos econométricos son útiles para:

1) Análisis estructural y entender como funciona la economía.

2) Predicción de los valores futuros de las variables económicas.

3) Simular con fines de planificación distintas posibilidades de las variables exógenas.

4) Simular con fines de control valores óptimos de variables instrumentales de política económica y de empresa.

[editar] El método de mínimos cuadrados (Estimación MCO)

También se conoce como Teoría de la regresión lineal, y estará más desarrollado en la parte estadística de la enciclopedia, no obstante, aquí daremos una vista general de en qué consiste la aplicación del método de mínimos cuadrados.

Se parte de representar las relaciones entre una variable económica endógena y una o más variables exógenas de forma lineal, de la siguiente manera: $Y = a (1) + β 1 X 1 + β 2 X 2 + β 3 X 3 + ... + β n X n$ .

"Y" es la variable endógena, cuyo valor es determinado por las exógenas, $X 1$ hasta $X n$ . Cuales son las variables elegidas depende de la teoría económica que se tenga en mente, y también de análisis estadísticos y económicos previos. El objetivo buscado sería obtener los valores de los parámetros desde a1 hasta $β n$ . A menudo este modelo se suele completar añadiendo un término más a la suma, llamado término independiente, que es un parámetro más a buscar.

Así: $Y = β 0 + β 1 X 1 + β 2 X 2 + β 3 X 3 + ... + β n X n$ .

En el que $β 0$ es una constante, que también hay que averiguar. A veces resulta útil, por motivos estadísticos, suponer que siempre hay una constante en el modelo, y contrastar la hipótesis de si es distinta, o no, de cero para reescribirlo de acuerdo con ello.

Además, se supone que esta relación no es del todo determinista, esto es, existirá siempre un cierto grado de error aleatorio (en realidad, se entiendo que encubre a todas aquellas variables y factores que no se hayan podido incluir en el modelo) que se suele representar añadiendo a la suma una letra representa una variable aleatoria.

Así: $Y = β 0 + β 1 X 1 + β 2 X 2 + β 3 X 3 + ... + β n X n + μ$

Se suele suponer que $μ$ es una variable aleatoria Normal, con Media cero y Varianza constante en todas las muestras (aunque sea desconocida).

Se toma una muestra estadística, que corresponda a observaciones de los valores que hayan tomado esas variables en distintos momentos del tiempo (o, dependiendo del tipo de modelo, los valores que hayan tomado en distintas áreas o zonas o agentes económicos a considerar).

Por ejemplo, en un determinado modelo podemos estar interesados en averiguar como la renta ha dependido de los niveles de precios, de empleo y de tipos de interés a lo largo de los años en cierto país, mientras que en otro podemos estar interesados en ver como, a lo largo de un mismo año, ha dependido la renta de distintos países de esas mismas variables. Por lo que tendríamos que observar, en el primer caso, la renta, niveles de empleo, precios y tipos de interés del año 1, lo mismo, pero del año 2, etcétera, para obtener la muestra a lo lagro de varios años, mientras que en el segundo caso tendríamos que tener en cuenta los valores de cada uno de los países para obtener la muestra. Cada una de esas observaciones para cada año, o país, se llamaría observación muestral. Nótese que aún se podría hacer un análisis más ambicioso teniendo en cuenta país y año.

Una vez tomada la muestra, se aplica un método, que tiene su justificación matemática y estadística, llamado método de mínimos cuadrados. Este consiste en, básicamente, minimizar la suma de los errores (elevados al cuadrado) que se tendrían, suponiendo distintos valores posibles para los parámetros, al estimar los valores de la variable endógena a partir de los de las variables exógenas en cada una de las observaciones muestrales, usando el modelo propuesto, y comparar esos valores con los que realmente tomó la variable endógena. Los parámetros que lograran ese mínimo, el de las suma de los errores cuadráticos, se acepta que son los que estamos buscando, de acuerdo con criterios estadísticos.

También, este método nos proporcionará información (en forma de ciertos valores estadísticos adicionales, que se obtienen además de los de los parámetros) para ver en qué medida los valores de los parámetros que hemos obtenido resultan fiables, por ejemplo, para hacer contrastes de hipótesis, esto es, ver si ciertas suposiciones que se habían hecho acerca del modelo resultan, o no, ciertas. Se puede usar también esta información adicional para comprobar si se pueden prescindir de algunas de esas variables, para ver si es posible que los valores de los parámetros hayan cambiado con el tiempo (o si los valores de los parámetros son diferentes en una zona económica de los de otra, por ejemplo), o para ver en qué grado son válidas predicciones a cerca del futuro valor de la variable endógena si se supone que las variables exógenas adoptarán nuevos valores.

[editar] Problemas del Método de los Mínimos Cuadrados

El método de Mínimos Cuadrados adolece de toda una serie de problemas, cuya solución, en muchas ocasiones aproximada, ha estado ocupando el trabajo de los investigadores en el campo de la econometría.

De entrada, el método presupone que la relación entre las variables es lineal. Para los casos de no linealidad se recurre, bien a métodos para obtener una relación lineal que sea equivalente, bien a a aproximaciones lineales, o bien a métodos de optimización que absorban la relación no lineal para obtener también unos valores de los parámetros que minimicen el error cuadrático.

Otro supuesto del modelo que no se ha precisado es que la variable aleatoria sea Normal. Esto es importante de cara a los contrastes de hipótesis. No obstante, para muestras grandes se supone que la variable se comportará aproximadamente como una normal, por el Teorema del límite central.

No obstante, el problema se complica considerablemente, sobre todo a la hora de hacer contrastes de hipótesis, si se cree que la varianza de dicha variable aleatoria cambia con el tiempo. Es el fenómeno conocido como Heterocedasticidad. Este fenómeno se puede detectar con ciertas técnicas estadísticas. Para resolverlo hay que usar métodos que intenten estimar el cambiante valor de la varianza y usar lo obtenido para corregir los valores de la muestra. Esto nos llevaría al método conocido como Mínimos Cuadrados Generalizados. Una versión más complicada de este problema es cuando se supone que, además, no solo cambia la varianza del error sino que también los errores de distintos periodos están correlacionados, lo que se llama "Autocorrelación". También hay métodos para detectar este problema y para corregirlo en cierta medida modificando los valores de la muestra, que también son parte del método Mínimos Cuadrados Generalizados.

Otro problema que se da es el de la Multicolinealidad, que generalmente sucede cuando alguna de las variables endógenas en realidad depende, también de forma estadística, de otra variable endógena del mismo modelo considerado, lo que introduce un sesgo en la información aportada a la variable exógena y puede hacer que el método de mínimos cuadrados no se pueda aplicar correctamente. Generalmente la solución suele ser averiguar qué variables están causando la multicolinealidad y reescribir el modelo de acuerdo con ello.

También hay que tener en cuenta que en ciertos modelos puede haber relaciones dinámicas, esto es, que una variable exógena dependa, además, de los valores que ella misma y/u otras variables tomaron en tiempos anteriores. Para resolver estos problemas se estudian lo que se llama modelos de Series temporales.